Mistral publie deux outils pour l’arabe. Transcrire et reconnaître un dialecte restent différents
Deux modèles issus du partenariat avec le Maroc traitent la parole et les dialectes. Leurs fonctions, leurs scores et leurs conditions d’accès diffèrent.
Mistral publie deux modèles qui abordent les langues arabes par des chemins différents. Voxtral Mini 4B Realtime Arabic transforme un flux audio en texte. LIDstral Arabic classe des textes selon leur langue ou leur dialecte. La collection officielle Mistral × MTNRA les réunit dans un partenariat avec le ministère marocain de la Transition numérique et de la Réforme administrative. Les métadonnées de Voxtral situent la création de son dépôt au 8 octobre 2026. Il faut distinguer ce dépôt d’une disponibilité dans un service grand public.
Voxtral produit le texte au fil de la parole
La fiche de Voxtral Arabic décrit une adaptation de Voxtral Realtime. Elle vise l’arabe standard et ses dialectes ainsi que les conversations où les locuteurs alternent les langues. Un encodeur reçoit le son puis un décodeur produit le texte pendant que l’audio arrive. Le système n’attend donc pas un fichier terminé.
Mistral annonce environ 4,4 milliards de paramètres. Avec un délai réglé à 480 millisecondes, il rapporte un taux moyen d’erreur par caractère de 8,82 % sur sept benchmarks arabes. Ce résultat vient de l’éditeur. Il ne garantit pas la même précision dans chaque conversation.
Le protocole compte autant que le chiffre
Mistral normalise les transcriptions avec une méthode construite avec le ministère marocain. Elle tient compte de variantes orthographiques et de nombres prononcés. Une autre méthode peut modifier les scores. Comparer des pourcentages sans connaître leur calcul risque donc de masquer des différences importantes.
LIDstral classe le texte. Il ne transcrit pas le son
La fiche de LIDstral Arabic décrit un autre outil. Il identifie l’arabe standard et des dialectes à partir de textes en écriture arabe. Il prend aussi en compte des langues non arabes qui utilisent cette écriture. Le choix évite de considérer toute phrase écrite avec ces caractères comme de l’arabe. LIDstral ne remplit donc pas la même fonction que Voxtral et ne remplace pas son décodeur audio.
LIDstral associe plusieurs étapes de classification et de calibration. Il retourne une étiquette et des probabilités parmi 51 classes. Mistral rapporte un score F1 de 88,67 % pour la darija marocaine dans son évaluation. Ce score ne désigne pas un taux de transcription correcte. Il ne faut pas le comparer directement au taux d’erreur de Voxtral. La fiche avertit aussi que le modèle choisit toujours une classe prise en charge. Il peut donc mal classer une langue absente de sa liste ou un texte qui mélange plusieurs langues.
Des modèles publiés. Un accès à examiner précisément
Les deux fiches annoncent une licence Apache 2.0. Cette licence permet notamment de réutiliser et de modifier le logiciel sous ses conditions. Elle ne supprime pas les obligations liées aux droits de tiers. Les notices et les conditions de redistribution restent à respecter. Une licence ouverte ne prouve pas à elle seule qu’un service hébergé fonctionne sans inscription ou sans coût.
La fiche de LIDstral parle d’un dépôt privé dans ses instructions. Mais les métadonnées publiques du dépôt indiquent au contrôle du 10 octobre un dépôt public sans filtrage d’accès. Ces indications divergent. Il faut le signaler sans transformer ce libellé en restriction établie. Pour Voxtral Arabic, la fiche ne signale aucun fournisseur d’inférence hébergée. Elle documente un déploiement avec des bibliothèques spécialisées.
Ce que ces deux outils apportent
La fiche du Voxtral Realtime d’origine cite les sous-titres en direct et la transcription de réunions parmi ses usages. Son architecture associe un encodeur audio et un modèle de langage. La nouvelle adaptation arabe prolonge cette famille. L’intérêt du duo tient surtout à la séparation des tâches. Un outil écrit ce qu’il entend. L’autre examine la langue du texte. Ça ouvre des possibilités sans transformer les benchmarks de l’éditeur en preuve de fiabilité universelle.
Pour une autre approche de l’audio, consultez notre article sur l’import de fichiers audio dans ChatGPT.